• Explosives and Blasting
• /
• v.20 no.1
• /
• pp.35-50
• /
• 2002

터널굴착이나 사면절취 등과 같은 굴착문제에 있어서 굴착방법을 결정하기 위해 대상암반에 대한 리핑암이나 발파암의 구분이 우선되며, 다음에 발파에 의한 굴착방법이 선정되었을지라도 화약량 및 종류, 천공방법 등 발파설계를 위해서 추가적으로 발파암에 대한 세부적인 분류가 필요하다. 일반적으로 RMR이나 Q시스템과 같은 암반분류법이 많이 사용되고 있지만, 발파암에 대한 표준적인 암반분류법이 없으며, 국내에서도 발파암 분류에 대한 연구가 거의 전무한 상태로 발파암의 분류요소로 사용될 수 있는 요소를 구하기 위한 연구가 필요하다. 따라서 이 논문에서는 앞으로 국내에서 발파암 분류연구에 대한 방향제시를 위해서 발파와 암석의 역학적 특성, 지질구조와 불연속면의 특성과의 관계나 굴착과 관련된 암반분류에 대한 여러 논문사례를 통하여 발파암의 분류요소와 분류방법 등에 대해 언급한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11a
• /
• pp.405-408
• /
• 2002

Microarray 기술의 발전으로 많은 양의 유전자 정보를 얻게 되어 암의 정확한 분류와 진단에 대한 기대가 커지고 있다. 암을 정확하게 분류하기 위해서는 추출된 유전자에 많은 잡음이 들어가기 때문에 암과 관련이 있는 유전자만을 추출할 필요가 있다. 본 논문에서는 여러 가지 유전자 추출방법과 다양한 분류기의 성능을 체계적으로 평가하기 위하여, 세 가지 벤치마크 암 데이터에 대하여 실험하여 보았다. 또한 분류 성능을 향상시키기 위하여 분류기를 적절하게 결합한 결과, 결합된 분류기의 성능을 확인해볼 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10b
• /
• pp.7-10
• /
• 2007

마이크로어레이 데이터는 매우 많은 수의 유전자로 구성되며, 암 분류 성능을 높이기 위해서는 대상 암과 관련된 유용한 유전자를 선택해야 한다. 기존 필터 기반 유전자 선택 기법은 유전자를 개별적으로 평가하여 암 분류에 사용하기 때문에, 유전자 사이의 관계나 분류기와의 상관성을 고려하지 않으며, 비슷한 특성의 유전자를 중복해서 선택하는 경향이 있다. 본 논문에서는 필터와 래퍼 방식을 결합하여 분류결과를 반복적으로 반영하며 유전자를 선택하는 기법을 제안한다. 필터 기법으로 유전자의 순위를 계산할 때 이전 분류에서 틀린 샘플의 가중치가 높도록 설계하고, 분류를 반복하면서 각 단계에서 유용한 유전자를 추가로 선택한다. 제안하는 방법을 대표적 암 분류 데이터인 림포마 암과 대장암 데이터에 적용하여 유용성을 검증하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.359-361
• /
• 2003

정확한 암의 분류는 암의 진단 및 치료에 있어 매우 중요하지만, 암을 진단하기 위한 기존의 여러 방법들은 종종 불완전한 결과를 도출한다. 최근의 마이크로어레이 기술에 기반한 분자 수준의 진단은 정확하고 객관적이며 체계적인 암의 분류를 위한 방법론을 제시해준다. 유전자 발현 데이터는 일반적으로 수천개 이상의 유전자를 포함하는데, 유전자 발현 데이터의 모든 유전자가 암과 관련이 있는 것이 아니므로 정확한 암을 분류하기 위하여 중요한 유전자만을 추출하는 것이 바람직하다. 본 논문에서 음의 상관관계를 갖는 두 개의 이상적인 유전자 벡터를 정의한 후 이와 유사한 정도를 기준으로 중요한 유전자 집단을 추출하고, 각각을 신경망으로 학습하여 결합하는 신경망 쌍을 제안한다. 실험 결과는 음의 상관관계를 갖는 두 개의 유전자 집단이 암의 클래스를 잘 구분할 수 있음을 보여주었다. 이 유전자 집단을 특징으로 하여 각각 학습한 신경망을 베이시안 방법으로 결합한 결과, 벤치마크 데이터에 대하여 신경망 쌍이 개별 분류기에 비해 우수한 성능을 보임을 확인하였다.

• Journal of KIISE:Software and Applications
• /
• v.30 no.12
• /
• pp.1124-1134
• /
• 2003

The development of microarray technology has supplied a large volume of data to many fields. In particular, it has been applied to prediction and diagnosis of cancer, so that it expectedly helps us to exactly predict and diagnose cancer. It is essential to efficiently analyze DNA microarray data because the amount of DNA microarray data is usually very large. Since accurate classification of cancer is very important issue for treatment of cancer, it is desirable to make a decision by combining the results of various expert classifiers rather than by depending on the result of only one classifier. Generally combining classifiers gives high performance and high confidence. In spite of many advantages of ensemble classifiers, ensemble with mutually error-correlated classifiers has a limit in the performance. In this paper, we propose the ensemble of neural network classifiers learned from negatively correlated features using three benchmark datasets to precisely classify cancer, and systematically evaluate the performances of the proposed method. Experimental results show that the ensemble classifier with negatively correlated features produces the best recognition rate on the three benchmark datasets.

• Journal of Digital Contents Society
• /
• v.17 no.6
• /
• pp.565-579
• /
• 2016

In this paper a novel cancer subtype's classifier based on Hybrid Samples Balanced Genetic Algorithm with Extreme Learning Machine (hSBGA-ELM) is presented. Proposed cancer subtype's classifier uses genes' expression data of 16063 genes from open Global Cancer Map (GCM) data base for accurate cancer subtype's classification. Proposed method efficiently classifies 14 subtypes of cancer (breast, prostate, lung, colorectal, lymphoma, bladder, melanoma, uterus, leukemia, renal, pancreas, ovary, mesothelioma and CNS). Proposed hSBGA-ELM unifies genes' selection procedure and cancer subtype's classification into one framework. Proposed Hybrid Samples Balanced Genetic Algorithm searches a reduced robust set of genes responsible for cancer subtype's classification from 16063 genes available in GCM data base. Selected reduced set of genes is used to build cancer subtype's classifier using Extreme Learning Machine (ELM). As a result, reduced set of robust genes guarantees stable generalization performance of the proposed cancer subtype's classifier. Proposed hSBGA-ELM discovers 95 genes probably responsible for cancer. Comparison with existing cancer subtype's classifiers clear indicates efficiency of the proposed method.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.06a
• /
• pp.37-39
• /
• 2006

지지 벡터 기계(Support Vector Machine; SVM)는 기본적으로 이진분류를 위해 고안되었지만, 최근 다양한 분류기 생성전략과 결합전략이 고안되어 다중부류 분류에도 적용되고 있다. 본 논문에서는 OVR(One-Vs-Rest) 전략으로 생성된 SVM을 NB(Naive Bayes) 분류기를 이용하여 동적으로 구성함으로써, OVR SVM을 이용한 다중부류 분류 시스템에서 자주 발생하는 동점을 효과적으로 해결하는 방법은 제안한다. 이 방법을 유전발현 데이터를 이용한 다중부류 암 분류에 적용하였는데, 고차원의 데이터로부터 NB 분류기 구축에 유용한 유전자를 선택하기 위해 Pearson 상관계수를 사용하였다. 14개의 암 유형과 16,063개의 유전발현 수준을 가지는 대표적인 다중부류 암 분류 데이터인 GCM 암 데이터에 적용하여 제안하는 방법의 유용성을 확인하였다.

• Explosives and Blasting
• /
• v.24 no.1
• /
• pp.63-69
• /
• 2006

Building tunnels means dealing with what rock is encountered. Relocation of the site of the underground structure is rarely possible. Tunneling engineers and miners have to cope with the quality of the rock mass as it is. Different tunneling philosophies and different rock classification methods have been developed in various countries. Most of the rock classification methods are based on the response of the rock mass to the excavation. Tunnel support requirements could be assessed analytically, supplemented by rock mass classification predictions, and verified by measurements during construction. Rock mass classifications on their own should only be used for preliminary, planning purposes and not for final tunnel support. Design of blast pattern in tunneling projects in Korea is also mostly prepared according to the general rock classification methods such as RMR or Q. They, however, do not take into account the blast performance, and as a consequence, produce poor blasting results. In this paper, the methods of general rock classification and blast design for tunnel excavation in Korea are reviewed, and efforts to develop a new classification method, reflecting the blasting performance, are presented.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.10
• /
• pp.2365-2370
• /
• 2010

The method of cancer classification based on microarray could contribute to being accurate cancer classification by finding differently expressing gene pattern statistically according to a cancer type. Therefore, the process to select a closely related informative gene with a particular cancer classification to classify cancer using present microarray technology with effect is essential. In this paper, the system can detect marker genes to likely express the most differentially explaining the effects of cancer using ovarian cancer microarray data. And it compare and analyze a performance of classification of the proposed system with it of established microarray system using multi-perceptron neural network layer. Microarray data set including marker gene that are selected using ANOVA method represent the highest classification accuracy of 98.61%, which show that it improve classification performance than established microarray system.

• Proceedings of the Korean Society for Rock Mechanics Conference
• /
• 2001.03a
• /
• pp.85-94
• /
• 2001

터널 발파시 발파효율은 암반의 특성에 큰 영향을 받기 때문에 암반 특성을 분석하고 이를 기초로 발파설계를 수행하는 것이 중요하다. 그럼에도 불구하고 현재까지 국내에서의 발파설계는 무결암의 단축압축강도만으로 발파암을 분류한 후 각 발파암의 발파계수를 구하는 방법을 이용하거나 공학적 암반분류법의 하나인 RMR 분류를 이용하여 발파암을 분류하되 객관적 근거가 미약한 경험적인 발파계수를 산정 하는 방식을 통하여 이루어졌다. 본 연구에서는 절리특성을 고려한 발파설계를 위하여 Ashby의 접근법을 활용하였다. 또한 절리조사 결과를 통한 발파암 분류방법과 발파패턴설계를 추가하여 발파설계 전 과정을 수행할 수 있도록 Ashby의 접근법을 응용하였다. 따라서 절리 분포 특성을 고려한 발파암 분류가 가능하고, 절리암반 특성을 고려한 발파설계를 수행할 수 있을 것으로 기대된다.